一、为什么图像是波？
我们知道，图像由像素组成。下图是一张 400 x 400 的图片，一共包含了 16 万个像素点。每个像素的颜色，可以用红、绿、蓝、透明度四个值描述，大小范围都是0 ～ 255，比如黑色是[0, 0, 0, 255]，白色是[255, 255, 255, 255]。通过 Canvas API 就可以拿到这些值。如果把每一行所有像素（上例是400个）的红、绿、蓝的值，依次画成三条曲线，就得到了下面的图形。
可以看到，每条曲线都在不停的上下波动。有些区域的波动比较小，有些区域突然出现了大幅波动（比如 54 和 324 这两点）。对比一下图像就能发现，曲线波动较大的地方，也是图像出现突变的地方。这说明波动与图像是紧密关联的。图像本质上就是各种色彩波的叠加。
二、频率
综上所述，图像就是色彩的波动：波动大，就是色彩急剧变化；波动小，就是色彩平滑过渡。因此，波的各种指标可以用来描述图像。
频率（frequency）是波动快慢的指标，单位时间内波动次数越多，频率越高，反之越低。
上图是函数sin(Θ)的图形，在2π的周期内完成了一次波动，频率就是1。
上图是函数sin(2Θ)的图形，在2π的周期内完成了两次波动，频率就是2。
所以，色彩剧烈变化的地方，就是图像的高频区域；色彩稳定平滑的地方，就是低频区域。
三、滤波器
物理学对波的研究已经非常深入，提出了很多处理波的方法，其中就有滤波器（filter）：过滤掉某些波，保留另一些波。
下面是两种常见的滤波器 。
浏览器实际上包含了滤波器的实现，因为 Web Audio API 里面定义了声波的滤波。这意味着可以通过浏览器，将lowpass和highpass运用于图像。
lowpass使得图像的高频区域变成低频，即色彩变化剧烈的区域变得平滑，也就是出现模糊效果。
highpass正好相反，过滤了低频，只保留那些变化最快速最剧烈的区域，也就是图像里面的物体边缘，所以常用于边缘识别。
四、扩展阅读
1.图片压缩算法
airomyas 说：
其实这就是AAC编码，JPEG编码这些音频压缩、图片压缩算法的根本原理。这些算法里面都涉及类似离散余弦变换这种处理，就是把待处理数据从时域变换到频域，都是高频的部分代表变化剧烈的部分，低频部分就是代表变化不剧烈的地方。换到频域以后，低频的部分使用很少的空间就能保存，高频的部分再做一点有损的压缩，整体的大小就大大降低了，这个就是编码的过程。通过控制有损压缩的程度，就可以控制编码后的质量。解码的过程就是把频域再还原回时域。
2.小波算法
